El problema: Clusterizar diseños

¿Como hago para clasificar estilos de banners?

Input data

• y : Distancia desde arriba

• x : Distancia desde la izquierda

• w : Ancho (width)

• h : Alto (height)

Estrategia 1:

• Reduccion de dimensionalidad + Clustering

library(umap)
library(dbscan)
umap_data<- umap(data)
cl <-hdbscan(x = umap_data, minPts = 3)

• Se puede ver un grupo diferenciado, pero los demas no estan tan claros.

• Al separar en diferentes carpetas los archivos de cada cluster generado, los diseñadores no estaban conformes, habia diseños distintos que habian sido clasificados como similares

¡Es necesario transformar los datos!

Opciones:

• Estandarizacion (z-score): Representa el numero de desvios estandar arriba o debajo del valor resultante. Útil para variables normalmente distribuidas

• Normalizacion (min-max scaler): Permite llevar los valores entre 0 y 1. Útil para comparar variables de diferentes ordenes de magnitud (Precio de una casa y los m2 que ocupa)

• En ambos casos las variables no estan necesariamente interrelacionadas entre si.

¿Que hacer con estas variables?

• La representacion matematica sería:

\[ r = 323y+ 8x + 6w + 39h\]

• ¿Como hacer que las variables esten entre [0,1]?

• Los datos, ademas de coordenadas, describen dimensiones de tamaño
  • [x,y,h,w] donde:
    • [x,y] describen la posicion
    • [h,w] describen el tamaño (heigth, width)

• x’ es la proporcion de x respecto al rango total (ancho del canvas)

• y’ es la proporcion de y respecto al rango total (alto del canvas)

• areaRelativa es la proporcion del area del elemento respecto al total

• posicion (dividiendo alto por acho) es para saber si el elemento es horizontal(<1), vertical(>1), o cuadrado(=1)

\[x' = {{max(x)-x} \over max(x)} \] \[y' = {{max(y)-y} \over max(y)} \] \[areaRelativa = {{h*w} \over x*y} \] \[posicion = {{h} \over w} \]

Y en R se enrieda todo en una sola funcion:

normalize_geometric<-function(df){
  df['total_area']<-max(df['layer_height'])*max(df['layer_width'])
  df['rel_area']<-df['layer_height']*df['layer_width']/df['total_area']
  df['orientation']<-df['layer_height']/df['layer_width']
  df['layer_top_relative']<-df['layer_top']/max(df['layer_height'])
  df['layer_left_relative']<-df['layer_left']/max(df['layer_width'])
  df
}